Doğrusal olmayan regresyonda asimptotik yöntemle bootstrap örneklemesi
































































30

arasındaki

farkı

verir.

(5.23)

modeline

uyum

sağlamaktaki

amaç;

(0)
k

regresyon

katsayılarını

tahmin etmek ve bunları kullanarak regresyon katsayılarının düzeltilmiş başlangıç

tahminlerini tahmin etmektir. Uygun doğrusal regresyon tahmininde sabit terimin

bulunmadığına dikkat etmek gerekir.

(5.23)deki doğrusal regresyon modeli matris formuyla yazılabilir:

Y (0) D(0) (0) +

(5.25)

(5.25) modeli doğrusal regresyon modelindedir ve (5.25)deki ifadelerin açılımları aşağıda verilmiştir.

Y = X +
n1 n p p1 n1

(5.26)

Y (0) n1

=

Y1

Yn

M

f1(0)

fn(0)

(5.27)

D(0)
n p

=

D1(00)

M

Dn(00)

L L

D(0) 1, p1

M

D(0) n, p1

(5.28)

(0)

=

0(

0)

M

p1

(0)
p 1

(5.29)

1

n1

=

M

n

(5.30)

(5.28)deki D matrisi X matrisinin rolünü oynar fakat 1lerden oluşan sabit terim sütunu yoktur. Buradan hareketle EKK tahminlerini kullanarak (0) parametre tahmini bulunur.

( )b(0) = D(0)D(0) 1 D(0)Y (0)

(5.31)

b(0) ; EKK ile tahmin edilen regresyon katsayıları vektörüdür. Herhangi bir çoklu regresyon modülü içeren bir bilgisayar programı kullanarak bk(0) regresyon katsayıları tahminleri elde



40. SAYFAYA BENZER SAYFALAR

Doğrusal olmayan regresyonda bazı eğrisellik ölçüleri - Sayfa 22
10 Y (0) =   Y1  − f1(0) M    n×1  Yn − f ( n 0)   D(0) =   D1(00) M L D(0) 1, p−1   M n× p   Dn(00) L D(0) n, p−1   (2.17) (2.18) β (0) =   β (0) 0 M    p×1   β (0) p −1   (2.19) ε n×1 =    ε1 M ε n     ...
Doğrusal olmayan regresyonda bazı eğrisellik ölçüleri - Sayfa 21
9 aşağıdaki ifade yazılır: ∑p−1 Yi ≈ fi(0) + Di(k0) β (0) k k =0 (2.13) Sağ taraftaki fi(0) terimi sol tarafa geçirildiğinde Yi − fi(0) ifadesi elde edilir. Bu ifade Yi(0) ile gösterildiğinde aşağıdaki doğrusal regresyon modeli yaklaşımı elde edilir: ∑p−1 Yi(0) ≈ Di(k0) β (0) k + εi k =0 i = 1,K, n (2.14) Burada; Yi(0) = Yi − fi(0) ...
Poisson regresyon modeli ve Türkiye'deki boşanma istatistiklerine uygulanması - Sayfa 65
51 D (0) =   D1(00) M L D1(,0p)−1   M n× p Dn(0) L Dn(0, p) −1  (6.29) β (0) =    β (0 0 ) M    p×1 β (0) p −1  (6.30) ε n×1 = εM1 ε n     (6.31) şeklindedir. (6.27) yaklaşım modeli tam olarak, X matrisinin yerini alan kısmi türevlerin bulunduğu D matrisi ile (fakat sabit t...

40. SAYFADAKI ANAHTAR KELIMELER

parametre
regresyon
matris
tahmin
terim
modeli


40. SAYFA ICERIGI

30

arasındaki

farkı

verir.

(5.23)

modeline

uyum

sağlamaktaki

amaç;

(0)
k

regresyon

katsayılarını

tahmin etmek ve bunları kullanarak regresyon katsayılarının düzeltilmiş başlangıç

tahminlerini tahmin etmektir. Uygun doğrusal regresyon tahmininde sabit terimin

bulunmadığına dikkat etmek gerekir.

(5.23)deki doğrusal regresyon modeli matris formuyla yazılabilir:

Y (0) D(0) (0) +

(5.25)

(5.25) modeli doğrusal regresyon modelindedir ve (5.25)deki ifadelerin açılımları aşağıda verilmiştir.

Y = X +
n1 n p p1 n1

(5.26)

Y (0) n1

=

Y1

Yn

M

f1(0)

fn(0)

(5.27)

D(0)
n p

=

D1(00)

M

Dn(00)

L L

D(0) 1, p1

M

D(0) n, p1

(5.28)

(0)

=

0(

0)

M

p1

(0)
p 1

(5.29)

1

n1

=

M

n

(5.30)

(5.28)deki D matrisi X matrisinin rolünü oynar fakat 1lerden oluşan sabit terim sütunu yoktur. Buradan hareketle EKK tahminlerini kullanarak (0) parametre tahmini bulunur.

( )b(0) = D(0)D(0) 1 D(0)Y (0)

(5.31)

b(0) ; EKK ile tahmin edilen regresyon katsayıları vektörüdür. Herhangi bir çoklu regresyon modülü içeren bir bilgisayar programı kullanarak bk(0) regresyon katsayıları tahminleri elde

İlgili Kaynaklar







single.php